FUTURE OF FINANCE - Les enjeux de la data
A l’occasion de la 8e édition de Future of Finance, Stéphane Soumier évoque avec des représentants des grandes directions financières, leurs enjeux de transformation. Panorama des tendances et des innovations, tout ce qu’il faut savoir pour accélérer la digitalisation de la fonction finance est dans Future of Finance.
Category
🗞
NewsTranscript
00:00 Future Finance, l'édition Make the First Move, dédiée à la transformation de la finance d'entreprise, vous est présentée par Lozam.
00:08 [Musique]
00:17 Data et finance, finance et data. Le couple maudit. Ce n'est pas vous, le couple maudit, je vous rassure, Julien, Léa.
00:26 Pourquoi je dis le couple maudit, Léa ? Mais d'ailleurs, ça a été dit à l'occasion de Future of Finance.
00:32 La data, ça fait 40 ans qu'on en entend parler. Allez, 40, je pousse un peu. On va dire au moins une bonne trentaine d'années qu'on en entend parler.
00:39 Qu'est-ce qui change là aujourd'hui ? Qu'est-ce qui rend encore plus critique cette nécessité pour les entreprises et pour les directions financières
00:45 de véritablement prendre en compte leur data, la qualité de leur data et leur capital data ?
00:51 C'est la multitude. C'est la multitude des données, leur volumétrie, le fait qu'on parle effectivement de données financières.
00:59 Et de quoi on parle quand on parle de données financières ? Il y a le compta, il y a le pilotage et tout ce qui est prospectif.
01:05 Il y a le réglementaire également pour les métiers réglementés, la banque et l'assurance. Et à ça, on vient y ajouter demain les données non financières,
01:13 notamment avec l'ESG. Donc c'est cette multitude de données. Qu'est-ce qu'on en fait effectivement aujourd'hui ?
01:19 Comment est-ce qu'on la structure ? Comment est-ce qu'on la pilote ? Comment est-ce qu'on la gouverne ? C'est aujourd'hui l'enjeu de tous nos clients.
01:28 C'est l'enjeu de tous vos clients. Et le sujet peut-être, Julien, c'est que à la différence de ce qui se passait il y a encore quelques années,
01:35 on ne peut plus faire sans. Elle va se déverser. Enfin, ça fait quoi ? Ça fait 10 ans, 15 ans qu'elle se déverse dans des data lakes.
01:44 Il ne va pas trop regarder ce qui se passe. On est très fier d'avoir son data lake. Là, on ne peut plus faire sans.
01:50 Effectivement, on ne peut plus faire sans, y compris puisque tout ce qui s'appelle l'intelligence artificielle et demain GenAI ou déjà aujourd'hui GenAI
01:57 est basé sur de la data. Donc là où auparavant, on avait une donnée qui était nécessaire pour les opérations et ce qu'on y fait pour activer les prochains leviers
02:04 d'efficience et d'automatisation de l'entreprise qui sont relativement démentiels en termes de capacité, il s'agit quand même toujours d'avoir une donnée
02:12 qui reste de qualité ou dont la qualité est d'autant plus importante. Une interface conversationnelle, elle est d'abord basée sur vos données
02:21 et la donnée de l'entreprise. Et on revient à ça. C'est le nouveau paradigme qui demande une gestion de la donnée encore meilleure qu'au préalable.
02:29 Tu veux ajouter quelque chose ?
02:31 Tu as parlé de data lake. Effectivement, aujourd'hui, ce n'est plus seulement la collecte de la donnée, mais c'est son sourcing.
02:37 Où est-ce que tu vas la sourcer ? Comment est-ce qu'elle est effectivement homogène ? On peut avoir une donnée qui a différentes formes en fonction,
02:45 encore une fois, de où tu es côté finance, où tu es côté métier et où tu es côté pilotage. Comment est-ce qu'on travaille à cette convergence ?
02:53 Comment on travaille à une donnée qui soit de qualité ? Et de qualité, ça veut dire quoi ? Ça veut dire complète, ça veut dire cohérente.
02:59 Cohérente, en fait, entre aujourd'hui des fonctions qui sont très différentes et qui ne se parlent pas toujours.
03:05 Encore une fois, au sein de la finance, ça va être finance et risque, compta et contrôle de gestion, compta et demain, le reporting également extra financier.
03:16 Comment est-ce qu'on fait pour rompre ces silos ? Et comment est-ce qu'on le fait pratiquement et pas que ?
03:23 On va aller sur le dessinottage. Juste peut-être encore un mot avec toi, Julien, parce que tu parlais de ces robots conversationnels.
03:29 Je trouve que c'est un super exemple parce que le sujet, c'est que si tu ne t'es pas occupé de la qualité de ta donnée, ton robot, il va répondre.
03:36 Mais il va répondre à n'importe quoi. C'est ça le truc.
03:39 Effectivement. Aujourd'hui, on est sur des technologies qui sont extrêmement faciles et rapides à mettre en œuvre.
03:44 Ça, c'est la promesse de base. La réalité, ce n'est pas la mise en œuvre ou la connexion.
03:49 Le vrai sujet de l'entreprise, c'est la valeur qu'on en tire, qui vient d'abord de la fiabilité de l'information qu'on en obtient.
03:55 Et c'est là où tout est le challenge. En fait, la connexion technologique aujourd'hui, on peut la faire en trois jours.
03:59 Le réglage de tout cet ensemble va se faire en trois mois.
04:03 Et en revanche, il y a aussi un aspect plateforme qui intervient maintenant de manière assez importante.
04:07 Il faut choisir des outils, choisir les plateformes du futur pour poser tous les use case dont on parle et aussi ne pas oublier.
04:13 Et ça, je pense que c'est un axe hyper important d'utiliser ces outils là aussi pour améliorer la qualité de données.
04:19 Donc, on ne fait pas de la qualité de données pour GenEye. On peut aussi utiliser GenEye dans la qualité de données avec des règles de contrôle sur la donnée qui sont autogénérées par des robots, des machines et ces nouvelles solutions pour améliorer et avoir un cercle vertueux.
04:33 Et ça, je trouve que c'est assez miraculeux.
04:37 Incroyable ! Il peut faire le bilot de raffinage de la data à l'intérieur des ensembles.
04:47 Je vous donne un exemple. Vous allez donner votre modèle de données et automatiquement, de ce modèle de données qui peut être très technique et très brut, il va en comprendre finalement la taxonomie et les termes que vous avez derrière.
04:57 Sur la base de ça, il peut vous donner la compréhension du marché sur chacun des termes ainsi que les règles sur la qualité de données qui en découlent.
05:06 Et un, écrire les règles en langage humain et deux, après l'écrire en langage programmatique pour intégrer directement dans les outils.
05:13 Et cette capacité demain à échanger en langage naturel avec les machines, moi, c'est ça que je trouve absolument démentiel.
05:19 C'est l'interaction demain avec nos systèmes d'information, avec nos données qui changent complètement.
05:25 On a inventé le clavier et la souris, mais ce qu'on doit voir derrière GenEye, c'est cette nouvelle manière d'interagir et les attentes qu'on va en avoir vont être totalement différentes de ce qu'on avait par le passé.
05:36 Donc revenons sur cette nécessité du dé-silotage.
05:40 Tu constates les directions financières, elles se sont en fait construites quasiment en parallèle du reste de l'organisation.
05:47 C'est vrai. Aujourd'hui, on se pose vraiment beaucoup la question du sourcing de l'information et cette information, elle ne va pas seulement provenir des systèmes financiers.
05:56 Donc à savoir où est la bonne Golden Source, c'est ce qu'on utilise beaucoup comme terminologie dans les projets qui tournent autour de la data.
06:06 Et effectivement, cette source, elle ne sera pas que celle des systèmes finance et que la finance a l'habitude de connaître.
06:13 L'enjeu, c'est d'ouvrir la direction financière à l'extra financier et à des données et des systèmes qu'elle maîtrise moins aujourd'hui, mais que l'intégralité de l'écosystème doit maîtriser à l'avenir.
06:28 Et c'est là où on a quelque chose, encore une fois, d'assez vertueux et d'assez fabuleux.
06:32 C'est qu'on arrête d'opposer le réglementaire et le pilotage.
06:35 Exactement. Je suis aujourd'hui convaincue qu'effectivement, la donnée comptable, la donnée de pilotage qui est plus perspective et tout le travail d'amélioration que tu mentionnais,
06:45 Julien, va servir au final à prendre de meilleures décisions.
06:50 La contribution en fait au reporting réglementaire dans la taxonomie a été définie par le régulateur.
06:57 Elle va aussi demain contribuer à la vision de la performance et à la vision de la valeur ajoutée de l'entreprise.
07:03 Julien, un mot là-dessus ?
07:05 Oui, peut-être. Alors moi, je crois beaucoup aussi au fait de reprendre les liens avec l'autre partie de la data de l'entreprise.
07:11 Souvent, le SI finance ou en tout cas l'IT finance a été souvent isolée et elle est un peu autonome par rapport au reste de l'entreprise.
07:18 Et le chief data officer, par exemple, n'est pas toujours impliqué sur tout ce qui touche à la data financière.
07:23 Demain, avec l'extra financier, il s'agit déjà de recoller les morceaux et de servir des bonnes pratiques ainsi que des plateformes de manière transverse dans l'entreprise.
07:32 La finance a toujours eu traditionnellement un rôle de gestionnaire de cette donnée et de la confiance qui en découle parce que la donnée financière, on en a besoin pour le pilotage de l'entreprise, et ainsi de suite.
07:42 Il s'agit de rapporter ces bons usages et cette capacité à gérer de la donnée de manière en confiance avec le reste de l'entreprise et de bénéficier, à contrario pour la finance, de l'accès à d'autres silos de données ou sources de données.
07:54 Donc là, je pense qu'il y a une super histoire à faire.
07:56 On est au bout.
07:57 Merci.
07:58 Comme à chaque fois, on pourrait en parler pendant des heures, mais on est au bout.
07:59 Merci à vous.
08:02 Merci à vous de nous avoir suivis, évidemment.
08:03 On continue à explorer la transformation de la fonction finance.
08:08 Future Finance, l'édition « Make the first move » dédiée à la transformation de la finance d'entreprise, vous a été présentée par Lausanne.
08:15 !